现代农村商业银行数字化转型体系建设研究

2020-12-05郁国培

时代经贸 2020年29期

文/郁国培史浩

企业转型是企业应对内、外部环境变化的综合反应，转型意味着企业长期经营目标、业务模式、组织结构、资源配置等方面的整体性全方位渐进式转变。因此，转型的决策往往由领导层做出，通常体现为企业战略。银行数字化转型，就是银行应对数字化发展趋势和跨界竞争的一种企业战略。

随着大数据时代的来临，银行业与金融科技加速融合的趋势已不可逆转，数字化转型已成为当前各银行业金融机构的战略重点。2020年7月京东数字科技集团、国际数据公司IDC（International Data Corporation）联合发布《中国区域性银行数字化转型白皮书》的数据显示，50家区域性银行样本中90%以上的区域性银行已经开始启动数字化转型，更有20%以上的银行认为政策鼓励金融科技发展，区域性银行有望借助金融科技实现弯道超车。此外，业务经营创新的需求、客群特征的快速变化也是驱动区域性银行进行数字化转型的最大动力（苏洁，2020）。随着越来越多的银行将数字化转型纳入发展规划，数字化转型逐渐从原来传统的电子银行、网上银行层面，拓展为包含企业战略、组织架构、服务特色、营销渠道、人才培养、大数据建设与AI能力等一系列环节的全面数字化系统性工程（施贤军，2020）。通过系统性建立数字化的生态系统，从而实现从传统的“基于产品”的业务模式转型至“基于客户”的业务模式，可以使企业更好地与客户利益保持一致（张石，2019）。事实上，银行数字化转型的内涵，本质上就是“以客户为中心”。本文尝试以农村商业银行的数字化转型为目标，具体探讨分析其数字化建设的建设规划、建设关键、建设基础和建设应用实践。

一、数字化转型的建设规划：设计理念和建设维度

中国银行业协会发布的《2019年中国银行业服务报告》指出，据不完全统计，2019 年银行业金融机构网上银行交易笔数达 1637.84 亿笔，交易金额达 1657.75 万亿元，全行业离柜率为 89.77% 。进入数字化时代，科技能力将成为商业银行经营制胜的关键要素之一。面对庞大客户群体的个性化、碎片化的数字服务需求，传统农村商业银行业不应停滞不前，而应当利用银行积累的资产和技术，快速交付和创新产品，实现客户体验的极大提升。

（一）建设规划：以客户为核心的设计理念

在农村商业银行数字化转型建设中各个子系统的联接关系设计时，由于帕累托法则（Pareto’sPrinciple）二八定律的存在，因此在集约化实现时要秉持服务核心客户（Core Customer）的理念，以数字银行为载体追求为核心客户提供极致服务（见图1）。

图1 一个客户+多个产品+多个渠道+极致服务

围绕核心客户绑定核心产品，通过核心渠道触及核心客户营销，而这些服务理念又都是基于数据平台来实际完成的。即将各类外部、内部数据源（如省联社内部核心信贷业务系统数据等），全部清洗装入数据仓库，做到各类数据的标准统一、集约管理和信息共享。也就是说建设中，数据主要是围绕核心客户来进行设计、采集、关联和展示使用。

（二）建设规划：三个维度

在数字化转型建设过程中，建设工作可以分为三个维度开展：精细化运营、多场景获客、全体系赋能。

第一，精细化运营。走向精细化运营是“存量市场”竞争下的必然趋势。精细化运营模式中首先要对存量客户进行分层并匹配对应价值的服务。例如，梳理出优质客户进行产品的个性化推荐，做到精准营销。通过精准的客户关系管理维系客户忠诚度，在巩固已有市场份额的基础上，进一步深度发掘客户的潜在价值。简而言之，这个维度的数字化核心任务就是做到“盘活现有数据”。

第二，多场景获客。打造多场景是发展“增量市场”的必然选择。实现银行业务的良性发展，要发挥地区性农商行的特点，打造各类金融需求场景不断获得新的客户，也才有可能从中精选出优质客户。通过业务部门广泛调研，如结合民宿、农机、养殖等本地强金融需求场景，打造民宿贷、农机贷、养殖贷等线上产品，依托地域优势进行同业竞争，获取更多市场份额。简而言之，这个维度的数字化核心任务就是做到“开源新增数据”。

第三，全体系赋能。数字化转型最为关键的阶段就是在存量、增量数据的基础上，采用特定模型和算法，整合所有环节形成合力，以全流程数字化推动银行全方位的数字化运营。全流程数字化将从管理决策、组织架构、业务环节、营销渠道、客户关系、风险控制、业绩考核乃至企业文化、人才甄选等角度，结合深度理解银行生态场景的业务、科技团队，形成以全数字驱动的银行运转创新动能。简而言之，这个维度的数字化核心任务就是做到“数字驱动发展”。

图2 实施数字化改造与建设：三个维度和十二个子系统

由于数字化银行的建设是一个全方位的体系建设，涉及到银行经营管理的各项服务与流程。银行在实施过程中主要可以从图2中的三个维度和十二个子系统来实施数字化改造与建设。三个维度分别是面向客户、面向员工和面向管理的数字化应用维度。其中，面向客户的维度中包含客户管理、产品管理、渠道管理、网点管理、营销管理；面向员工的维度中包含绩效管理、人才培养、文化培育；面向管理的维度中包含精细管理、督导管控和全面风险管理。如图2所示。

支撑起这三个维度的十二大子系统建设则分别为数字化客户管理建设、数字化产品管理建设、数字化渠道管理建设、数字化网点管理建设、数字化营销管理建设、数字化风险管理建设、数字化人才管理建设、数字化绩效管理建设、数字化成本管理建设、数字化审计管理建设、数字化资本管理建设和数字化资产负债管理建设。

数字化转型是一个系统工程，因此应当全面谋划并构建数字化转型的战略框架体系，包括从顶层设计到业务和管理领域的深入应用，再到后台数据处理、数据管理和数据使用，都必须进行全面的统筹规划和实施。同时在具体建设过程中，注意掌握节奏，优化资源配置，形成持续有效的转型升级和迭代优化。

二、数字化转型的建设关键：顶层设计与战略规划

（一）战略选择

数字化转型首先是一个自上而下的战略选择，是一个长期发展布局。由于在短期内并不一定能马上见到成效反而有一定的转型成本投入，因此要结合自身的市场定位、发展目标、优势短板等统筹规划、科学决策。防止重视业务发展而轻视数据基础建设，重视短期效益而轻视长远规划。

（二）总体目标

通过构建具有创新性、前瞻性、针对性的数字化转型方案，实现农村商业银行向集约化、专业化、智能化、标准化、精细化的最佳客户体验型数字银行转型，构建可持续发展的核心竞争力。

具体指导原则体现在以下七个方面：一是愿景与战略方面，需要树立清晰明确的企业愿景和核心业务战略，以及与之匹配的商业模式和治理体系；二是战术与服务方面，需要倡导精准聚焦的价值主张和核心客户战术，以及敏捷的产品供给、渠道服务能力；三是组织与机制方面，需要打造具有扁平化的组织架构、敏捷式的运作机制，以及追求卓越的精益文化；四是运营与流程方面，需要运行集约化的运营模式、智能化的业务流程，以及追求高效的执行能力；五是获客与管理方面，需要钻研具有科学性、高效性、闭环性的精准获客流程和存量客户精细化管理能力；六是定价与风控方面，需要强调具有系统化、精细化、差异化的科学定价能力，以及具有全面性、前瞻性、专业性的风险管理能力；七是数字化团队与大数据决策方面，需要形成具有定量管理理念、思维、方法、技术的数字化管理和创新团队，在专业化大数据分析平台、一站式管理作业平台基础上，最终发展科学、智能、高效的决策体系。

从价值链重构的角度来看，数字银行的价值形成过程可类比为近似前店后厂模式，即前台商品化、中后台工厂化。前台的商品化是指银行要了解自身产品的商品化属性，对于推出的产品要从财务角度分析其效益是否达标，从客户群角度分析其定位是否精准；中后台的工厂化是指银行产品的设计与推出来自基于数据的智能化决策，同时也有相应的数字化人才来推动新产品的研发和部署，并且对其进行KPI（Key Performance Indicator）、OKR（Objectives and Key Results）等定量考评（见图3）。

图3 价值链重构：前店后厂的数字银行战略

（三）发展思路

由于各家银行的先天禀赋不同，为了顺利推进数字化转型，农商行在发展思路上要结合本地特色、围绕本行战略找准定位来进行整体布局。主要从基础数据的积累、组织结构的适配、高管协整的认识、数据驱动的应用这四个方面来进行推进，以确保数字化转型的切实落地。

（四）实现路径

在农村商业银行数字化转型路径上，可以通过循序渐进的方式形成数据积累、数据应用和数据分析。正因为从数据的积累到人员的思维理念和系统的成熟投产上均较难做到一躇而就，较为现实的实现路径是通过一个阶段性规划，有计划分步骤地稳妥推进实施。

前美国宝洁（P&G）公司负责数字化转型的高管Tony Saldanha(2019)使用一个五阶段模型来描述数字化转型的成功过程。第一阶段是现有工作的自动化；第二阶段是独立的项目或系统；第三阶段是部分协同，或者说对应到银行就是整体银行的部分数字化；第四阶段是全面协同，对应到银行也就是整个银行全面转型到数字化运营；第五阶段就是“活的DNA”阶段，即数字银行可以不停地迭代自身的业务模式，如图4所示。

图4 Tony Saldanha提出的数字化转型五阶段模型

图5 实现路径：转型跨越的阶段性规划

借鉴以上的五阶段模型，农商行的数字化转型在实现路径上也可以分为五个阶段，分别是强基础（先有工作的数据化）、建标准（形成数据标准和独立的子系统）、搭体系（形成多个子系统的部分协同）、数字化（形成系统的全面协同）和自迭代（数字化的高级阶段，能自我更新进化），如图5所示。

三、数字化转型的建设基础：大数据技术支撑

在银行数字化转型过程中，科技助力金融的动力源自数据。数据部分作为最基本的新型生产要素，一般需要通过三个阶段来为我所用。第一个阶段是数据治理与管理。即进行数据集市与数据仓库建设，利用数据管理工具提升数据质量、实现数据互通共享，从而实现银行数据资产的形成、积淀与完善，通过这一阶段的工作可以构成数据基础层。第二个阶段是数据挖掘与应用。建立通用查询、定制查询和数据挖掘等多种数据应用方式，满足不同层次的报表生成和多变的数据分析需求，通过这一阶段的工作可以构成数据服务层。第三个阶段是平台建设与系统开发。在前面数据仓库和数据挖掘基础上，构造面向财务决策、绩效管理、客户管理、风险控制和营销分析等各类应用的智能化分析决策系统，支撑起专门的业务平台，通过这一阶段的工作可以构成业务应用层。

数据治理与管理。在数据治理中首先需要全面制定治理方案，其中包括数据获取、元数据管理、数据标准制定（如数据准入标准、数据分类分级标准等）、数据质量控制、数据安全管理、数据价值转化（如数据转化为客户营销能力、智能监管能力等）。以数据获取为例，基础数据的积累是一项长期的工作，主要需要整合的数据源有核心客户数据、信贷数据、银行卡、网上银行、支付平台、国际业务、资金业务、理财、第三方存管、中间业务、信用卡，一般可以采用以客户营销、业务分析、统计报表数据为来源，再结合各类应用场景采集数据（如智能商超、智能交通、智慧医疗、智慧校园、智慧农业等），多途径完成数据仓库基础数据的入库。

数据挖掘与应用。这一阶段主要考虑开展大数据的定量分析，围绕客户细分、精准营销、产品创新、网点转型、运营优化、绩效考核、风险防控、审计、反洗钱等各个银行业务和监管领域，获取大数据应用的成果，用来指导集约经营、高效管理与科学决策。

平台建设与系统开发。当基础数据和派生数据都可以通过模型与运算得到之后，在数字化转型中这一阶段主要考虑整个系统平台的建设开发以及数据展现，即构造出整个数字化银行技术框架（见图6）。

图6 数字化银行技术框架

数据通过分布、离散的后台多个业务系统，被大数据治理层进行数据的抽取、清洗和整合，进入数据仓库中待用。基于数据仓库可以派生出多类型的新型银行数字化应用，最后在端建设层面中，主要完成系统数据与银行员工的交互，这一部分内容并没有用到大数据技术，仅仅是数据展现层。

四、数字化转型的建设应用：面向客户的数字化应用体系

由于数字化转型后的银行主要从面向客户、面向员工和面向管理这三个数字化维度来开展应用实践。本文由于篇幅所限主要选取第一个维度，同时也是较为基础和关键的维度，即“面向客户”的数字化应用体系来进行详细介绍。

在面向客户的具体应用实践中，根据实时数据分析，计算出用户对银行的当前贡献度，并实行差异化服务，制定出有针对性的服务策略和营销方案，体现出精细化营销。一是实施客户分层、客户画像与精准维护。二是实施渠道建设，做到客户分流与服务客户的效益提升。三是实施产品创新、上线的全闭环管理。四是对营销分析，进行营销的数据挖掘，对客户贡献度与营销绩效实施精准匹配。

（一）客户分层

客户在金融与商业活动中留下的丰富数据痕迹，包括网点活动轨迹、金融产品咨询或购买记录、银行网页搜索记录、社交平台参与度等，在不侵犯隐私获得客户允许的前提下都需要被有效留存和深度分析。通过大数据和人工智能算法进行客户分层，并向重点层级提供定制化优质服务，形成农商行的核心竞争力。例如，银行将客户划分为7个层级，框定二星级及以上客户为核心客户（见图7）。

图7 客户分层（二星级以上客户为核心客户）

分层客户之后，可以进一步通过数字化解决方案进行客户画像，而且还可能延伸到家庭甚至家族数据的关联与采集，同时基于核心客户可以进行客户管理方案的设计。例如培育特殊客群、代发工资客群、中高端学历客群、法人客群、信用卡客群、手机银行客群等等，可以采用的数字化解决方案有标签体系和画像体系，对分层客户进行进一步的客户细分和轮廓分析。对于个人客户定义了以下数字化标签进行描述，如表1所示。

表1 个人与企业客户数字化标签

对于企业客户，主要定义的数字化标签是公司信息，包括资金往来、投融资关系、担保关系、供应链关系等。用户数字化标签是精细化运营的基础，能有效提高银行对客户的服务效率和转化效率。亚马逊的CEO 贝索斯（Jeff Bezos）曾说过“如果我有一百万的用户，我就会做一百万个不同的网站”，而实现这个梦想的基础就是先对用户建立数字化标签。因此通过利用数据关联，将企业与企业、个人与企业串联起来，形成完整的客户关系图谱。

图8 实施渠道建设，分流提升效益

（二）渠道分流

在渠道分流中，以“方便客户、降低成本、提升效益”为原则，根据客户分层维护体系，从降低服务成本、提供更为有效服务的角度，将无星、一星客户归类为非核心客户，将二星到四星客户归类为一般核心客户，将五星、六星客户归类为中高核心客户。客户分层后要通过多种服务渠道进行触达，其中尤其要重视核心客户群的培育和维护，并最大限度利用数据分析的方式而非主观判断选择有效渠道进行营销。比如计划对五星级以上客户销售一款高风险理财产品，首先获取本行当前评级为五星级以上客户，建立理财客户预测模型，模型将调取其最近6个月是否咨询或购买相关风险等级理财产品，进行分析计算后输出按购买可能性排序的客户列表，通过精准定位目标客户，对于购买概率高的核心客户，可选择较高成本的上门营销、公关营销等方式。

对于中高核心客户，加大优质服务力度，提供贵宾式服务；对于一般核心客户，为其提供“一公里”便捷服务圈；对于非核心客户，主要分流引导到自助服务为主的方式（见图8）。在整个过程中，结合客户渠道交易偏好，实施个性化的引导，从而降成本提效益。

另外，在决策中还要通过建立渠道交易结构模型，来动态分析和调整各服务渠道的业务资源的承载状况，包括柜面、ATM、自助终端、手机银行（丰收互联）、网银、电子支付等，为渠道资源的科学、合理、有效利用提供决策依据。